《表3 本文模型与其他模型在Food-101数据集的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多级卷积特征金字塔的细粒度食物图片识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体为最优结果。

此外，本文同时在食物图片识别领域与经常使用的食物图片数据集Food-101进行了比较，并取得了最好的结果，具体如表3所示。目前在Food-101数据上的识别率最高达到90.27%，该模型使用了基于残差算法的宽残差网络。本文采用以注意力网络为基础的多级卷积神经网络识别模型，在只有两级网络的情况下达到89.5%的正确率，在3级网络的时候达到91.4%的正确率，超过了其他所有模型。文献[14]采用基于注意力机制在同一张图片上生成多个注意力区域，然后对每个区域提取特征进行分类，达到了86.5%的正确率，低于本文的91.4%，主要原因是食物图片与鸟类图片的结构完全不同，没有清晰、明显的物理结构。同一张食物图片上多个区域的特征相关性很高，造成特征利用效率降低。同时也证明了本文设计的模型可以较好地定位食物目标细粒度区域。